Pasukan Merah Bitcoin Mengenal Pasti 1,000+ Lelaht Kritikal dalam 390 Projek Menggunakan AI

iconCryptoBriefing
Kongsi
AI summary iconRingkasan
Berita bitcoin: Sebuah Red Team bitcoin yang terdiri daripada 16 relawan mengesan 4,962 penemuan keselamatan, termasuk 85 isu kritikal dan 635 isu keparahan tinggi, di seluruh 390 projek sumber terbuka yang berkaitan bitcoin dalam tempoh 30 jam. Usaha ini, yang dipicu oleh kelemahan firmware Coldcard yang menyebabkan kerugian antara $70 juta hingga $114 juta, menggunakan alat AI seperti Kimi K3, GPT Sol, dan GLM5.2. Pasukan ini merancang untuk membuka sumber harness keselamatan khusus mereka. Berita AI + kripto terus menonjolkan peranan automatik dalam keselamatan blok rantai.

Sebuah kumpulan 16 relawan baru sahaja menyelesaikan dalam 30 jam apa yang biasanya mengambil berbulan-bulan kepada firma audit profesional. Bitcoin Red Team, inisiatif keselamatan akar umbi, telah memindai kira-kira 390 projek sumber terbuka yang berkaitan bitcoin dan mengenal pasti 4,962 temuan keselamatan, termasuk 85 kelemahan kritikal dan 635 kelemahan keparahan tinggi.

Usaha itu bukan bersifat akademik. Ia dipicu oleh bencana yang sangat nyata dan sangat mahal.

Eksploit Coldcard yang memulakan semuanya

Sprint audit Pasukan Merah Bitcoin adalah tindakan langsung terhadap kelemahan firmware dalam dompet peranti Coldcard. Kelemahan itu, yang tersembunyi dalam penghasil nombor rawak peranti, menyebabkan kerugian anggaran antara $70 juta hingga $114 juta dalam bitcoin yang dicuri.

Perkara yang bertanggungjawab untuk menghasilkan kunci peribadi anda rosak, yang bermakna penyerang boleh meramalkan kunci-kunci tersebut.

Iklan

Skala kerugian tersebut menarik perhatian Calle, seorang pembangun bitcoin terkenal, dan Rob Hamilton, CEO AnchorWatch. Bersama-sama mereka mengorganisasi kampanye Red Team pada akhir Julai dan awal Ogos 2026, mengumpulkan sukarelawan dan mendapatkan pendanaan dari OpenSats, organisasi grant bitcoin sumber terbuka.

Jumlah perbelanjaan untuk inisiatif tersebut melebihi $40,000.

Bagaimana AI meningkatkan audit secara luar biasa

Pasukan bergantung kuat kepada model AI terbuka untuk mempercepat proses pemindaian. Toolkit tersebut termasuk model seperti Kimi K3, GPT Sol, Fable, Opus, dan GLM5.2, yang setiap satu dideploy melalui harness keselamatan buatan sendiri yang direka khas untuk penemuan kerentanan pantas sebegini. Pasukan merancang untuk membuka sumber harness tersebut.

Di sepanjang 16 relawan yang bekerja selama sprints kira-kira 30 jam, pasukan itu purata sebanyak 2.31 temuan tinggi atau kritikal setiap jam orang.

Masalah pengesahan

Hanya sekitar 21.4% daripada dapatan yang telah disahkan semula secara bebas pada masa pelaporan.

Pasukan tersebut menghantar keputusan mereka terus kepada pengekalan projek, mencipta saluran untuk pengungkapan yang bertanggungjawab.

Apa yang bermaksud ini kepada pelabur

Pengeksploitasian Coldcard yang menjadi pemicu usaha ini adalah kajian kes bagaimana kegagalan keselamatan dompet keras boleh berubah secara langsung kepada kerugian kewangan. Antara $70 juta hingga $114 juta dalam bitcoin hilang akibat satu ralat firmware dalam peranti yang dipasarkan sebagai piawai emas untuk penyimpanan sendiri.

Bagi pelabur, pengguna yang bergantung pada dompet peranti keras harus memantau sama ada pembuat peranti mereka menyertai audit keselamatan pihak ketiga dan program bounty ralat.

Penafian: Maklumat yang terdapat pada halaman ini mungkin telah diperoleh daripada pihak ketiga dan tidak semestinya menggambarkan pandangan atau pendapat KuCoin. Kandungan ini adalah disediakan bagi tujuan maklumat umum sahaja, tanpa sebarang perwakilan atau waranti dalam apa jua bentuk, dan juga tidak boleh ditafsirkan sebagai nasihat kewangan atau pelaburan. KuCoin tidak akan bertanggungjawab untuk sebarang kesilapan atau pengabaian, atau untuk sebarang akibat yang terhasil daripada penggunaan maklumat ini. Pelaburan dalam aset digital boleh membawa risiko. Sila menilai risiko produk dan toleransi risiko anda dengan teliti berdasarkan keadaan kewangan anda sendiri. Untuk maklumat lanjut, sila rujuk kepada Terma Penggunaan dan Pendedahan Risiko kami.